必须确保NVIDIA驱动已装好、CUDA和cuDNN版本与TensorFlow兼容、Python环境干净且版本匹配；任一缺失都会导致tf.config.list_physical_devices('GPU')返回空列表。
直接装 tensorflow 默认是 CPU 版，想用 GPU 加速，必须确保三件事同时成立：NVIDIA 驱动已装好、CUDA 和 cuDNN 版本与 TensorFlow 兼容、Python 环境干净且版本匹配。跳过任一环，import tensorflow 可能不报错，但 tf.config.list_physical_devices('GPU') 一定返回空列表。
conda init 没选 yes 就等于没装好 Anaconda
很多人执行完 bash Anaconda3-2024.02-Linux-x86_64.sh 后没注意那个 Do you wish the installer to initialize Anaconda3 by running conda init? 提示，随手按了回车（默认 no）。结果就是：conda 命令在新终端里根本不可用，conda activate 报 command not found。
- 补救方法只有两个：重新运行安装脚本并选 yes；或手动执行
~/anaconda3/bin/conda init bash，再source ~/.bashrc - 验证是否生效：新开终端，输入
conda --version和which conda，后者应输出类似/home/xxx/anaconda3/bin/conda - 如果只在当前终端里
source ~/anaconda3/etc/profile.d/conda.sh，那关掉终端就失效——这不是临时方案，是误操作
Python 3.9 是目前最稳的 tf-gpu 环境基线
TensorFlow 官方支持 Python 3.8–3.11，但实际踩坑最多的是两端：3.8 缺少部分新语法支持，3.11 则有不少预编译 wheel 还没跟上。3.9 是多数 tensorflow-gpu 包默认打包的版本，也是 conda 渠道里 cudatoolkit 和 cudnn 自动匹配成功率最高的版本。
- 创建环境时明确指定：
conda create -n tf-gpu python=3.9 - 别用
conda install tensorflow-gpu——这个包名在 TF 2.10+ 已废弃，现在统一叫tensorflow，GPU 支持由底层 CUDA 自动触发 - 激活后装：
conda activate tf-gpu→pip install tensorflow（pip 版本优先于 conda，避免混源）
nvidia-smi 显示正常 ≠ CUDA 能被 TensorFlow 调用
nvidia-smi 只证明驱动层 OK，而 libcudart.so.XX 找不到、Failed to load libcuda.so.1、或者 Could not load dynamic library 'libcudnn.so.8' 这类错误，全是因为 CUDA/cuDNN 没进动态链接路径，或版本不匹配。
- 先查驱动支持的最高 CUDA 版本：
nvidia-smi右上角显示的 “CUDA Version: 12.x” 是上限，不是你已装的版本 - TensorFlow 2.15–2.16 推荐搭配 CUDA 12.2 + cuDNN 8.9；conda 会自动装
cudatoolkit=12.2和cudnn=8.9.7，无需手动下载 - 验证 CUDA 是否可用：
nvcc --version（若报 command not found，说明cudatoolkit没装或 PATH 没导） - 检查库路径：
ls $CONDA_PREFIX/lib | grep cudart，应看到libcudart.so.12类似文件
import tensorflow 不报错但 GPU 不可用？立刻跑这三行
很多用户卡在“看起来装好了”，实则 GPU 设备未注册。别急着重装，先快速定位问题根源：
- 在激活的
tf-gpu环境中运行：python -c "import tensorflow as tf; print(tf.__version__); print(tf.config.list_physical_devices('GPU'))" - 如果输出
[]，但没报错：大概率是 CUDA/cuDNN 版本不匹配，或LD_LIBRARY_PATH没包含 conda 环境的 lib 目录 - 如果报
ImportError: libcudnn.so.8: cannot open shared object file：说明 conda 没装 cudnn，或装了但没激活环境就运行了 python - 终极排查命令：
python -c "from tensorflow.python.platform import build_info; print(build_info.build_info)"，里面cuda_version和cudnn_version字段必须非空且与你装的一致
真正容易被忽略的是：conda 环境变量（如 LD_LIBRARY_PATH）只在该环境激活后生效；一旦你在 base 下运行 python，哪怕路径里有 tensorflow，它也看不到 tf-gpu 环境里的 CUDA 库。
